Latest

10 แหล่งข้อมูล ใช้ทำ Data Science

แหล่งข้อมูลที่เป็นไปได้สำหรับโครงการ Data Science 1) ข้อมูลภายในองค์กร * ข้อมูลธุรกรรม * ระบบ CRM * ERP Platform * ข้อมูลการบริการลูกค้า * ข้อมูลการขาย * ข้อมูลจากเว็บไซต์ * ข้อมูลจาก Mobile App * ข้อมูลจาก Marketing Email * เอกสารภายใน * ข้อมูลพนั

Data Science Use Cases ในองค์กร

1. วิเคราะห์ลูกค้า (Customer Analytics) * แบ่งกลุ่มลูกค้า (Customer Segmentation) * หามูลค่าที่ลูกค้าสร้างให้ (Customer Lifetime Value) * ทำลูกค้าค้าที่จะย้ายออก (Churn Prediction) * วิเคราะห์การเดินทางของลูกค้า (Customer Journey Analysis) * วิเคราะห์ความรู้สึก (Sentiment Analysis) * ระบบแนะนำสิ

การพัฒนา AI และ Data Science Model

🤖 กระบวนการพัฒนา AI A. ขั้นตอนการวางแผน * กำหนดวัตถุประสงค์ * ระบุกรณีการใช้งาน * ประเมินความเป็นไปได้ * เลือกแนวทาง AI B. การเตรียมข้อมูล * การเก็บรวบรวมข้อมูล * การทำความสะอาดข้อมูล * การติดป้ายข้อมูล * การเพิ่มข้อมูล C. การพัฒนาโมเดล * การเลือกอัลกอริทึม * การออกแบบสถาปัตยกรรมโมเดล

ความแตกต่างระหว่าง AI และ Data Science

AI และ Data Science เป็นคำที่ถูกพูดถึงอยู่บ่อยครั้ง แม้ทั้ง 2 เรื่อง จะมีสิ่งที่ซ้อนทับกันอยู่มาก แต่สามารถแยกความแตกต่างได้ดังนี้ 1) คำจำกัดความและสิ่งที่มุ่งเน้น 🤖 AI (ปัญญาประดิษฐ์) * เน้นการสร้างระบบอัจฉริยะที่เลียนแบบพฤติ

AB Test ในกระบวนการผลิต

Data Science ถูกนำไปใช้ในหลายอุตสาหกรรม รวมถึงการเพิ่มประสิทธิภาพในกระบวนการผลิตของโรงงาน (Manufacturing) เพื่อให้แน่ใจว่าผลลัพธ์จาก Data Science Modelได้ดีกว่ากระบวนการเดิม จึงต้องมีการทดสอบเปรียบเทียบ (AB Test) การทำ AB Test สำหรับ Data Science Models ในกระบวนการผลิต 1. กำหนดสมมติฐาน: ระบุให้

ความท้าทายของ AI Journey

องค์กรต่างๆ กำลังปรับตัวไปสู่ AI-Driven Organization เพื่อใช้ประโยชน์จากความก้าวหน้าของ AI ในการสนับสนุนธุรกิจ แต่ก็มีความท้าทายหลากหลายมิติ ที่ต้องคำนึงถึง ความท้าทายหลักๆ ในการพัฒนาและใช้งาน AI ดังนี้ 1. ด้านข้อมูล * คุณภาพและปริมาณข้อมู

LLMs มีประสิทธิภาพดีพอแล้ว?

เราจะรู้ได้อย่างไรว่า Large Language Models (LLMs) ที่พัฒนาขึ้น มีประสิทธิภาพดีพอแล้ว? Blog นี้ จะพูดถึงการประเมินประสิทธิภาพของ LLMs พร้อมตัวอย่างการใช้งานและ Python Code import numpy as np from sklearn.metrics import accuracy_score, precision_recall_fscore_support from

Attention Mechanisms ใน Machine Learning

Attention Mechanisms คืออะไร? เป็นเทคนิคที่ใช้ใน Artificial Neural Networks (ANN) เพื่อมุ่งเน้นไปที่ส่วนเฉพาะของข้อมูล Input เมื่อสร้างผลลัพธ์ กลไกนี้ช่วยให้ Model สามารถให้น้ำหนักความสำคัญกับองค์ประกอบต่าง ๆ ในลำดับข้อมูล Input ได้อย่างเป็น Dynamics แนวคิ

Text-to-Image AI (Ep.2)

Text-to-Image AI ได้รับความสนใจและมีความสามารถเพิ่มขึ้นอย่างมากในช่วงไม่กี่ปีที่ผ่านมา มีรายละเอียดดังนี้ 1. เทคโนโลยีพื้นฐาน: * Deep Learning: ใช้โครงข่ายประสาทเทียมหลายชั้น (Multi-layered Neural Networks) เพื่อเรียนรู้ความสัมพันธ์ระหว่างข้อความและภาพ * Transfer Learning: ใช้ Model ที่ผ่านการ Train

Text-to-Image AI (Ep.1)

เทคโนโลยี Gen AI (Generative AI) สร้างภาพจากข้อความ (Text-to-Image AI) เป็นนวัตกรรมล่าสุดในวงการปัญญาประดิษฐ์ ที่กำลังเปลี่ยนแปลงวิธีที่เราสร้างและจินตนาการภาพ เทคโนโลยีนี้ใช้ Advanced AI Model ที่สามารถแปลงคำอธิบายจากข้อความให้กลายเป็นภาพที่สมจริงและสร้างสรรค์ หลักการทำงานของ AI ประเภทนี้คือการรับคำอธิบายเป็นข้

ประวัติศาสตร์ของปัญญาประดิษฐ์ (AI)

ทศวรรษ 1950 - การกำเนิดของ AI: • 1950: Alan Turing ตีพิมพ์ "Computing Machinery and Intelligence" เสนอ Turing Test สำหรับ Machine Intelligence • 1956: การประชุม Dartmouth จัดโดย John McCarthy, Marvin Minsky, Nathaniel Rochester และ Claude Shannon ถือเป็นจุดกำเนิดของ AI ในฐานะสาขาวิชา • 1957: Frank

ChatGPT vs Applications อื่นๆ

เปรียบเทียบระหว่าง ChatGPT กับ Applications อื่นๆ 1. ChatGPT เทียบกับ Gemini: * ทั้งสองเป็นโมเดล AI สำหรับการสนทนา * ChatGPT พัฒนาโดย OpenAI ส่วน Gemini พัฒนาโดย Google * Gemini สามารถเข้าถึงข้อมูลที่ Update กว่าผ่านอินเทอร์เน็ต * ChatGPT มักให้คำตอบที่สอดคล้

Machine Learning Pipeline

คือ วิธีการแบบอัตโนมัติสำหรับขั้นตอนการทำงานของ Machine Learning Model ตั้งแต่การเตรียมข้อมูลไปจนถึงการประเมิน Model (Evaluation) เป็นลำดับของขั้นตอนต่างๆ ในการประมวลผลข้อมูล โดยผลลัพธ์ของขั้นตอนก่อนหน้า จะกลายเป็นข้อมูล Input ของส่วนถัดไป โดย Pipeline จะช่วยให้ 1.

LLMs: Large Language Models

คือ Advanced AI Model ที่ได้รับการ Train ด้วยข้อมูลข้อความ (Text) จำนวนมหาศาล เพื่อให้สามารถเข้าใจและสร้างข้อความที่เหมือนมนุษย์ได้ ทำให้สามารถประยุกต์ใช้กับงานด้านการประมวลผลภาษาธรรมชาติ (Natural Language Processing, NLP) ได้หลากหลายรูปแบบ เช่น การสร้างข้อความ การแปลภาษา การสรุปใจความสำคัญ